海信商用顯示亮相2026深圳商用顯示技術展,以AI創新賦能智慧空間
海信商用顯示亮相2026深圳商用顯示技術展,集中展示四款產品,涵蓋智慧會議、零售及LED顯示等場景。海信與京東JoyInside即將推出端雲協同AI會議助理,具備8種語言實時翻譯等能力。海信商用顯示業務已覆蓋全球90多個國家和地區。
海信商用顯示亮相2026深圳商用顯示技術展,集中展示四款產品,涵蓋智慧會議、零售及LED顯示等場景。海信與京東JoyInside即將推出端雲協同AI會議助理,具備8種語言實時翻譯等能力。海信商用顯示業務已覆蓋全球90多個國家和地區。
「BesTV上海博物館」獲第63屆亞廣聯獎數字互動與受眾參與類別特別推薦獎,這是百視通與上海博物館共同打造的AI超高清數字孿生產品。截至目前,產品已完成13個上博常設展館的孿生,復刻多個線下特展,累計產出超4000分鐘4K超高清文博內容。觀眾可在家中透過電視切換展館,縮放或暫停文物畫面。
預測指出,到 2027 年及以後,AI 通話智能體將具備即時多模態理解、跨渠道延續對話,以及自我學習的行業專業能力。這些進展可令平均處理時間(AHT)下降 30-40%,並協助企業提升客服效率。企業亦須確保通話透明度、減少偏見,並妥善管治數據。
Yann LeCun 團隊以 JEPA 論證,讓模型從同一場景的不同描述學習共同表徵,比下一 token 預測更有效率。使用相同的 1.09 億參數編碼器,好視圖 JEPA 處理 2160 萬個樣本便取得 0.109 的 WIT 對齊分數;下一 token 預測則處理 9 億個樣本才取得 0.111。
智元在 10 月 29 日創新日提出 Worken(有效智能工時)指標,並發布 GO-3 Preview 等具身智能技術。Worken 以活躍機器人數量、自主工作時長及產出效能比相乘計算;文章亦提到智元第 2 萬台機器人於 9 月下線。
Valve 表示仍相信 VR,但內容仍是 VR 發展面對的「先有雞還是先有蛋」難題。結構生物學累積了數十年的 3D 資料,卻大多仍在平面螢幕上觀看。NexoPeek 是面向 Meta Quest 的 VR 分子實驗室,提供 12 段導覽,涵蓋 6 個主題,並設有分子檢視及分析工具。
LinkDigest 可透過 RedNote 公開分享連結,將貼文標題、內文、圖片文字及影片語音翻譯成英文,並保留中文原文供對照。翻譯每次加 1 credit;註冊可獲 10 個免費 credits。
美團發布新一代大模型LongCat-2.5,這是一款面向長程智能體任務的原生多模態模型,總參數為1.6萬億。LongCat-2.5延續LongCat系列的研發方向,全程在國產算力上訓練,是目前在國產算力上完成的最大訓練任務。
Signal #125 彙整多項 AI 開發工具更新,聚焦 Vercel 生產流量追蹤、Roboflow 接入 Gemini 4 Argon,以及 MCP stdio 陷阱。
研究指出,功能異常的腦細胞可能產生過多髓鞘,幹擾神經纖維,並助長記憶與思考能力下降。Seven Sports 開發的 Amblyotube 是供 Meta Quest 使用的視覺訓練及教育軟件,利用影片內容進行雙眼協調訓練。文章沒有提出視力改善數據或臨牀結果,並指出 Amblyotube 不作診斷或治療用途。
作者以 PDF 檢索案例指出,RAG 與智能體的檢索失誤可能源於攝取流程攤平文件結構,而非模型本身。文章示範以 Docling 和 LangChain 保留版面、表格、章節及頁碼資訊,再按文件結構分塊,並比較 parent-child retrieval、RAPTOR 與 ColPali 頁面影像檢索。
AI 英語教學培訓系統採用感知層、智能中樞與知識層三層架構,整合語音糾錯、語法診斷、情境對話及學情評估等功能。方案透過提示詞工程和分級語料庫支援教學,並分四個階段推進需求規劃、模型微調、多模態接口集成及測試迭代。
作者為一項 220 acre 倉庫區研究建立可重複執行的場地脈絡 3D 流程,依序處理範圍、地形、建築輪廓、體量與細節。GenAnywhere 生成粗略 AI 體量模型,Halfmaps 則輸出可在即時引擎運行的分塊城市及地形數據,讓評審漫遊檢視。
MaxCompute 透過存儲接入、計算推理及治理索引三層能力,支援 PB 級離線 AI 語料清洗、多模態解碼、批量向量化及可信樣本交付。使用前提包括符合離線批量處理節奏、依賴 MaxFrame 生態、啟用向量能力,以及具備 GPU 配額和鏡像管理。它定位為語料產線的編排與治理中樞,不替代實時引擎或專用模型服務。
國家知識產權局專利局多個部門及湖北中心舉辦師資培訓、審查業務交流和擴展領域培訓,並分享對比文件庫製作經驗。培訓及研討涵蓋證據鏈認定、教學能力,以及人工智能新技術;湖北中心首期培訓講解自然語言處理(NLP)技術演進和多模態大模型。各部門將持續完善師資培養、文件庫建設及擴展領域審查能力。
美團發布總參數 1.6 萬億、面向長程智能體任務的原生多模態模型 LongCat-2.5,並稱模型全程在國產算力上訓練。評測顯示,LongCat-2.5 在多項主流基準中介乎 Claude-Opus-4.8 與 Claude-Opus-5 之間,部分評測超過 Claude-Opus-5。美團亦推出 AI 經營工作台「妙手」,協助商家理解行業指標和品牌規則,並在授權範圍內調用工具與系統執行經營任務。
美團技術團隊發布面向長程智能體任務的原生多模態模型 LongCat-2.5。模型總參數量為1.6萬億,每個 token 約激活480億參數,並在 LongCat-2.0 基礎上強化原生視覺理解與智能體編程能力。
張載熙創立科理新序,正訓練以 scientific token 統一蛋白質結構、組學矩陣、基因序列和分子動力學等模態的多模態科學基座模型,目標是在科學空間進行推理。團隊參與開發的科研智能體 STELLA 曾協助實驗室找到 40 個候選靶點,其中排名第一的靶點在四個細胞系的基因敲除實驗中效果明顯且一致。科理新序計劃明年建設自動化實驗室,推進幹濕閉環。
美團發佈面向長程智能體任務的原生多模態大模型 LongCat-2.5,總參數 1.6 萬億,訓練全程使用國產算力。模型採用最長達 1M token 的序列進行長上下文訓練,並強化視覺理解及智能體編程能力,支援交互網頁、3D 展示頁面等任務。
Apple宣佈,Apple智能將於11月4日起隨最新iOS開發者Beta版在中國開放測試,並於12月隨iOS 27.3正式推出。Apple與阿里巴巴達成合作,千問將接入Siri、寫作工具及視覺智能,為中國用戶提供文字與圖像理解等能力。
美團龍貓發佈面向長程智能體任務的原生多模態模型 LongCat-2.5,總參數量為 1.6 萬億,每個 token 約啟用 480 億個參數。相較 LongCat-2.0,模型加強原生視覺理解與智能體編程,並以長程軌跡數據和大規模長程強化學習提升複雜代碼庫開發及完整項目構建能力。模型以多層級離散 token 表示視覺訊號,並優化國產算力上的長上下文訓練與 W4A4 推理。
楊立昆在達特茅斯學院 AI@70 大會演講中主張,實現人類水平智能須跳出生成式 AI,轉向以 JEPA 為代表、在抽象表徵空間預測物理世界的分層世界模型。他還介紹團隊本月公佈的四足機械人仿真實驗,三層世界模型的任務成功率和算力利用效率均大幅高於扁平單層系統。
美團龍貓發佈原生多模態模型 LongCat-2.5,總參數量為 1.6 萬億,每個 token 約啟用 480 億參數,面向長程智能體任務。模型在 LongCat-2.0 基礎上強化原生視覺理解與智能體編程,並加入長程軌跡數據和大規模長程強化學習,以提升複雜程式碼庫開發及完整項目構建的端到端工程能力。
美團龍貓發佈面向長程智能體任務的原生多模態模型 LongCat-2.5,總參數量為 1.6 萬億,每個 token 約激活 480 億參數。模型在 LongCat-2.0 基礎上加強原生視覺理解與智能體編程,並以長程軌跡數據、大規模長程強化學習及可復現的 Agent 失敗軌跡訓練,提升複雜代碼庫開發和完整項目構建的端到端工程能力。
三星計劃於 12 月中旬在韓國和美國推出首款 AI 眼鏡,產品暫定名為「Intelligent Eyewear」,售價尚未確定。眼鏡搭載 Android XR 平台並整合 Gemini,支援即時翻譯、語音導航及將拍攝內容整理至 Galaxy 手機筆記 App;產品沒有顯示屏,續航最長 9 小時。
三星計劃於12月中旬在韓國和美國推出首款 AI 智能眼鏡 Intelligent Eyewear,售價尚未確定。產品搭載 Android XR 平台和 Gemini,透過攝影機及麥克風感知環境,提供即時翻譯和語音導航等功能,沒有顯示屏,主要以語音互動。產品預計採用高通 Snapdragon AR1 Gen 1 處理器,單次充電續航最長9小時。
Stephen Sookra 建立 Cast Forecast,讓用戶拍攝或上傳自拍並選擇礦物防曬霜,預覽產品在自己臉上的預測泛白效果。工具可搜尋 687 款 FDA 名錄中的氧化鋅防曬霜;模型在未見過的數據上平均誤差為 1.61 L*,在較深膚色上為 1.80 L*。
AI眼鏡可以配備處方鏡片,但重量、電池續航和私隱問題,令它們未必適合作為日常眼鏡。智能眼鏡可重達80克,AI功能平均使用3至5小時便會耗盡電量;部分法院、學校及企業環境限制佩戴,攝影機和音訊功能亦可能帶來私隱風險。
研究提出柏拉圖表徵定理:若正樣本配對是同一場景的不同觀測,且其他情況下錯位有界,分開訓練的多模態 JEPA 可學得僅相差一次旋轉的相同表徵。研究以 145k 條圖片説明及 940M 張網頁圖片的文本驗證理論,並發現良好視角達到同等對齊所需樣本比下一 token 預測少 42 倍。
這篇教學比較兩個採用相同 Beta5 基礎模型的 H3 工作流:一個以啟用的圖像參考進行雙階段影音精修,另一個把裁剪來源音訊注入影音 latent,再以 SelfLift 採樣。第一份流程有 66 個節點、第二份有 32 個,並配置三個影片儲存分支;第二份輸出影片時直接接入裁剪後的原始音訊。作者只核對靜態配置,未執行生成,也未測試畫質、同步或基準表現。
RoboColosseum 是一個分散式評測框架,跨不同機械人形態與環境評估通用機械人策略,結果顯示跨形態排名一致性偏低,各系統亦難以可靠完成開放世界任務。研究在 124 個地點進行 5,699 次 Open Track 成對比較,涵蓋五種 VLA 策略、三個前沿 AI Agent 和四種機械人形態,跨形態任務排名的 Kendall W = 0.24。
SeMo3D 以選擇性建模統一 3D 生成、編輯與補全,透過區域選擇性去噪和多條件擴散 Transformer 保留不變內容,並支援無配對資料訓練。實驗顯示,SeMo3D 在三個基準測試的所有任務中均超越現有頂尖方法,並可融合圖像、文字及點雲引導。
TaoMate-HD 是一款自回歸串流模型,透過漸進式去噪及歷史延續,分段生成高解像度音影片內容。相較使用相同模型和硬件直接生成高解像度內容,速度提升 1.6 倍;階段並行部署則較序列式漸進生成再提升 1.9 倍。延續訓練令字符錯誤率較基準降低 11.18 個百分點,模型亦支援生成長達一小時的音影片內容。
Kev-Bio 是一個視覺語言模型,透過臨牀測量問題引導超聲波標記點偵測,並生成空間概率圖以推導測量結果。在九視圖 FU/GU Biometry 2026 數據集上,模型的平均徑向誤差為 22.50 pixels,臨牀測量平均絕對誤差為 15.38,整體表現優於比較基線;程式碼及模型可供使用。
蘋果與阿里巴巴宣佈合作,將千問整合至 Apple智能,讓中國用戶可在 Siri、寫作工具及視覺智能中直接調用其文字與圖像理解、內容生成等能力。相關功能將於11月4日起隨最新的 iOS 開發者 Beta 版開放測試,並於12月 iOS 27.3 正式發布時面向中國用戶推出。
Ofrenda Viva 是一款單頁數碼紀念應用程式,運用 Google 的開放權重模型 gemma-2-2b-it,從用戶講述或輸入的故事中提取逝者姓名、供品等資料,並撰寫雙語紀念詩。應用程式透過 ElevenLabs Multilingual V2 將詩句轉為語音;未提供 API key 時,會改用瀏覽器內置語音合成。它採用本地優先設計,將用戶憑證儲存在 localStorage。
arXiv 論文為 JEPAs 中的 Platonic Representation Hypothesis 提出並證明定理,指出不同模態模型在特定條件下可學得相同表徵。定理要求正樣本對是同一場景的兩個觀察,所得表徵可相差一次旋轉;論文亦報告,在同一語料上,good views 達到相同對齊程度所需的訓練樣本比 next-token prediction 少 42 倍。
Google DeepMind 於 2026 年 10 月 27 日以研究預覽形式推出 Genie 4,這款世界模型可即時模擬可互動場景,並支援在運行期間以自然語言修改場景。它原生生成音訊,場景連貫性最長可維持兩分鐘,是 Genie 3 約一分鐘上限的兩倍。目前僅限受信測試者使用;DeepMind 列出的缺口包括長時間運行時的視覺漂移、未解的音訊準確度問題,以及尚無法生成清晰可讀的場景內文字。
蘋果與阿里宣佈合作,千問將整合至國行 Apple 智能,讓中國 iPhone 用戶可在 Siri、寫作工具及視覺智能中調用其文本與圖像理解、內容生成能力。用戶可透過視覺智能詢問眼前物件,也可讓 Siri 提煉 PDF 重點、由千問起草電郵。文章將選擇歸因於雙方長期合作的信任基礎,以及阿里在模型、AI 晶片和雲端方面較均衡的能力。
MiniMax H3 的六種風格預設按戲劇或動作場面調度及影像處理方式區分,會影響人物走位、鏡頭安排和場景呈現。戲劇預設適用於對白和情緒,動作預設面向接觸、追逐和衝擊;realistic 變體沿用相同場面調度,並加入寫實處理。在 Callirra 的 multimode API 路徑中,預設透過 minimax_h3_style_preset 欄位設定,未知值會被拒絕。